品牌资源的滥用危机


在过去的几年中,我从家彦那里得到这样一个信息:传统品牌很多对于电子商务不愿意接近,甚至是排斥的。而其中也曾经和家彦一起去金利来去谈合作,希望他们能支持我们在网店上销售他们的皮具。可是得到的结果却是,总代理方面并不排斥,但是他们却接到总公司那边的指示不得涉足电子商务,使得那次的交谈最终没能达到预期的目的。不光是金利来,梦特娇等品牌也发出了同样的信息。是总公司有自己涉足电子商务的打算还是另有别的什么隐情?通过不断的了交流与了解,我们发现,品牌商对于电子商务本身并没有什么意见,而最大的问题是在于早期一些地方的小规模的尝试使得品牌商发现自己的产品被当作低价商品出售,极大的损害了整个品牌的形象。基于防微杜渐的考虑,最终他们还是选择了暂时不参与。

电子商务本身只是一种工具,是一种新的销售渠道,从本质上来讲,对于品牌厂商来说和线下的代理也没什么太多的区别,都是走货。只不过电子商务的走货的过程更为透明一点,潜力更大一点罢了。但是由于竞价市场的出现,使得任何一个品牌涉及电子商务时都不得不深陷其中。加上没有对这块新市场整体控制力,使得一些零散小商铺私自降低价格出售商品。低价促销也就算了,这种事传统大卖场也干得出来。更严重的是这些零散的商铺的素质不一,有好产品却做不出好的品牌效果。低劣的店铺装修、单调无趣的产品信息、加上没什么保障的销售服务,使得任何一个品牌产品进入就如同掉进了臭水沟一样。原本是世界著名品牌,每年上千万上亿的形象推广投入,在一些近似于小商品批发场性质的商铺里一展销,哪还有身价?哪还有品味?这些小商铺却打着世界知名品牌的旗号为自己的店铺引来一群并不是品牌目标用户的用户。使得品牌资源被极大浪费与损坏。而事实上有一些品牌由于放纵这种市场的滥用行为,其品牌价值已经一落千里。原本还属于白领阶层的主流消费品牌,现在已经沦落到电子商务低层消费品牌的行列。虽然销量大长,但是其利润空间也被压缩。由于品牌形象的萎缩也将极大的影响到线下传统渠道的销售情况。在未来数年时间此类品牌极有可能退出消费者的视野。

小商铺的低劣不表示电子商务的低劣,我认为所有的电子商务从业者都要重新思考如何建设品牌资源,而不只是在滥用品牌资源。电子商务人不应该只关注技术与销售,更要从品牌角度去思考长期的健康发展。不能只为一已之私损害了一个经历多年耗费数十亿甚至上百亿建立起来的品牌。只有与品牌商通力合作建设好品牌资源才能长远发展。如果只想着自己的利益,最终所有传统品牌商都不会愿意与网店进行合作。要么就永不进入电子商务市场,要么就自己建立电子商务运作公司规范市场运营。前一个选择等于是慢性自杀,而后一种则会是所有品牌商最佳的选择。当然不一定是自己独资,可以合资或者是与一家有经历有能力的电子商务团队进行合作。不论其形式是什么,我相信对于品牌商来讲,最重要的就是能对品牌建设起到积极的作用,至少不能损害品牌资源。

线上的品牌资源建设,将是一个新的挑战,也将会是电子商务另一个竞争点。对于非日常用品来说,卖的不是产品,而是面子与生活品味。滥用品牌资源不光损害了品牌利益无疑也是把消费者推进臭水沟。当消费者反应过来的时候一切就都完了。消费者是不可能在自己成长之后还去使用一个让自己没有期待和向往的品牌,这时品牌生命期被缩短,最终只会走向消亡。

在这里呼吁所有同行们,珍爱品牌资源,建立可持续发展的电子商务环境。

 

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值